Career Agent (CRA)

รายละเอียดหลักสูตรการอบรมเชิงปฏิบัติการพัฒนา "Career Agent (CRA): 

ระบบ Deploy ผลงานอัตโนมัติด้วย MLOps และ AI Agent"

1. หลักการและเหตุผล (Principles and Rationale)

ในปัจจุบัน ความต้องการบุคลากรที่มีทักษะด้านปัญญาประดิษฐ์ (AI) ไม่ได้จำกัดอยู่เพียงแค่การสร้างโมเดล (Model Development) แต่ยังครอบคลุมถึงความสามารถในการนำโมเดลไปใช้งานจริง (Deployment) อย่างไรก็ตาม ปัญหาสำคัญที่พบคือบัณฑิตจบใหม่มักขาดทักษะด้าน MLOps และ DevOps ทำให้ไม่สามารถนำผลงานวิจัยหรือโปรเจกต์ในเครื่องคอมพิวเตอร์ส่วนตัวขึ้นสู่เซิร์ฟเวอร์สาธารณะได้อย่างมีประสิทธิภาพและปลอดภัย ส่งผลให้เสียโอกาสในการแสดงผลงาน (Portfolio) ต่อผู้ประกอบการ

โครงการนี้จึงมุ่งเน้นการแก้ปัญหาดังกล่าวด้วยการอบรมเชิงปฏิบัติการที่นำเครื่องมือระดับอุตสาหกรรม เช่น Docker, Git, และ Google Cloud Build มาประยุกต์ใช้ โดยมีหัวใจสำคัญคือการพัฒนา "Career Agent (CRA)" ซึ่งทำหน้าที่เป็นผู้ช่วยอัจฉริยะ (Intelligent Assistant) ในการตรวจสอบคุณภาพโค้ดและสั่งการกระบวนการ Deploy แบบอัตโนมัติ (Automated Deployment Trigger) เปลี่ยนกระบวนการที่ซับซ้อนให้เป็นเรื่องง่ายและเป็นระบบ เพื่อให้ผลงานของนักศึกษามีความพร้อมในระดับ "Portfolio Ready"

โครงการนี้เป็นส่วนหนึ่งของยุทธศาสตร์ "Agentic Living Lab" ที่มุ่งเน้นการสร้างระบบนิเวศการเรียนรู้เสมือนจริง โดยการเชื่อมโยงผลงานของนักศึกษาเข้ากับระบบฐานข้อมูลความรู้ (Knowledge Graph) ของมหาวิทยาลัย ซึ่งไม่เพียงแต่ช่วยให้นักศึกษามีทักษะที่ตลาดต้องการ แต่ยังช่วยสร้างมาตรฐานใหม่ในการจัดเก็บและนำเสนอผลงานทางวิชาการในรูปแบบดิจิทัลที่เข้าถึงได้จริง

2. วัตถุประสงค์ (Objectives)

• เพื่อให้นักศึกษามีความรู้และความเข้าใจในกระบวนการ MLOps และ CI/CD Pipeline อย่างถูกต้องตามมาตรฐานอุตสาหกรรม

• เพื่อพัฒนาระบบตัวแทนปัญญาประดิษฐ์ (Agent) ที่สามารถทำหน้าที่ตรวจสอบและสั่งการ (Trigger) กระบวนการ Deploy ผลงานอัตโนมัติ

• เพื่อเชื่อมโยงข้อมูลบริบทของโมเดล (Model Context) จาก Knowledge Graph เข้ากับระบบจัดเก็บเวอร์ชัน เพื่อสร้าง Portfolio ที่สมบูรณ์

3. วิธีการดำเนินงาน (Methodology)

• ระยะที่ 1: การเตรียมความพร้อม (Preparation Phase)

• การวางแผน (Planning): ประชุมคณะทำงานเพื่อกำหนดขอบเขตเนื้อหาด้าน Containerization และ Cloud Architecture ให้กระชับสำหรับ 2 วัน

• การเตรียมการ (Setup): จัดเตรียม Environment บน Cloud Platform และระบบ Git Repository ล่วงหน้าสำหรับผู้เข้าอบรมทุกคน

• ผู้รับผิดชอบ: หัวหน้าโครงการและทีมเทคนิค

• การดำเนินการ: ออกแบบ Lab Sheet และเตรียม Boilerplate Code เพื่อลดเวลา Setup ในวันจริง

• ระยะที่ 2: การดำเนินกิจกรรมอบรมและปฏิบัติการ (Intensive Workshop Phase)

• การอบรมเชิงปฏิบัติการ (Hands-on Workshop): ปูพื้นฐาน Docker, Git และ CI/CD ในรูปแบบ Fast-track (วันที่ 1)

• กิจกรรม Hackathon (Development): การเขียน Pipeline Script (YAML) และพัฒนา Release Manager Agent เพื่อใช้งานจริง (วันที่ 2)

• ผู้รับผิดชอบ: วิทยากรผู้เชี่ยวชาญด้าน MLOps & DevOps

• การดำเนินการ: เน้นการลงมือทำ (Learning by Doing) ภายใต้คำแนะนำของ Mentor อย่างใกล้ชิด

• ระยะที่ 3: การประเมินและส่งมอบผลงาน (Evaluation & Delivery Phase)

• การนำเสนอ (Presentation): นักศึกษานำเสนอผลงานผ่าน Live URL ที่ Deploy สำเร็จแล้วในช่วงท้ายของการอบรม

• การประเมินผล (Assessment): ตรวจสอบการทำงานของ Agent และความถูกต้องของ Pipeline

• ผู้รับผิดชอบ: คณะกรรมการผู้ทรงคุณวุฒิ

• การดำเนินการ: บันทึกข้อมูลผลงานลงในระบบ Student Portfolios ของ Living Lab

4. สถานที่และระยะเวลาดำเนินการ (Location and Duration)

• ระยะเวลา: 2 วัน (เดือนพฤษภาคม 2569)

• สถานที่: สาขาวิชา อาคาร SC3

5. ผลที่คาดว่าจะได้รับ (Expected Results)

• ได้ระบบ "Automated Portfolio Deployer" ที่ขับเคลื่อนด้วย Agent ซึ่งช่วยให้นักศึกษาสามารถ Deploy งานได้สะดวกรวดเร็ว

• นักศึกษามี "Live Portfolio" ที่เป็นลิงก์เว็บไซต์ใช้งานได้จริง ไม่ใช่เพียงไฟล์เอกสารหรือโค้ดในเครื่องส่วนตัว

• เกิด CI/CD Pipelines ต้นแบบที่สามารถนำไปประยุกต์ใช้กับโปรเจกต์อื่นๆ ของนักศึกษาในอนาคตได้

6. ผลลัพธ์การเรียนรู้ (Course Learning Outcomes: CLO)

1. ผู้เรียนสามารถประยุกต์ใช้หลักการ Containerization (Docker) และ Version Control (Git) ในการจัดการโปรเจกต์ AI ได้

2. ผู้เรียนสามารถเขียนชุดคำสั่ง CI/CD Pipeline (YAML) และพัฒนา Agent เพื่อทำหน้าที่เป็น Release Manager ได้

3. ผู้เรียนสามารถ Deploy Application แบบ Microservices ขึ้นสู่ระบบ Cloud ได้อย่างสมบูรณ์

7. หัวข้อการอบรมและบรรยาย (Workshop and Lecture Topics)

• วันที่ 1: Foundation of DevOps & MLOps Tools

• Morning: Introduction to DevOps Culture, MLOps Lifecycle, and Git Workflow for Teams

• Afternoon: Containerization Fundamentals (Docker & Docker Compose) and Introduction to Cloud Build

• วันที่ 2: Building the Career Agent (Hackathon Day)

• Morning: Writing Pipeline Scripts (YAML) and Developing "Release Manager Agent" logic

• Afternoon: System Integration, Deployment to Production, and Final Presentation (Portfolio Showcase)

8. กำหนดการ (Schedule)
วันที่ 1 สถานที่: สาขาวิชา อาคาร SC3

• 08:30 - 09:00 น. | ลงทะเบียน

  • รายละเอียด: รับเอกสารและตรวจสอบสิทธิ์การเข้าใช้งานระบบ Cloud

• 09:00 - 10:30 น. | MLOps Landscape & Git

  • รายละเอียด: บรรยายภาพรวม MLOps และ Workshop การใช้ Git Flow ขั้นสูง

• 10:30 - 10:45 น. | Break

  • รายละเอียด: พักรับประทานอาหารว่าง

• 10:45 - 12:00 น. | Docker for AI Models

  • รายละเอียด: การสร้าง Docker Image สำหรับ AI Application (Python/TensorFlow)

• 12:00 - 13:00 น. | Lunch

  • รายละเอียด: พักรับประทานอาหารกลางวัน

• 13:00 - 14:30 น. | Intro to Cloud Build

  • รายละเอียด: การใช้งาน Google Cloud Build และ Artifact Registry เบื้องต้น

• 14:30 - 14:45 น. | Break

  • รายละเอียด: พักรับประทานอาหารว่าง

• 14:45 - 16:30 น. | Pipeline Design Workshop

  • รายละเอียด: ออกแบบ Flow การทำงานของ CI/CD Pipeline (Group Brainstorming)

วันที่ 2 | สถานที่: สาขาวิชา อาคาร SC3

• 09:00 - 10:30 น. | Agent Development

  • รายละเอียด: เขียน Script สำหรับ "Career Agent" เพื่อตรวจสอบ Code Quality อัตโนมัติ

• 10:30 - 10:45 น. | Break

  • รายละเอียด: พักรับประทานอาหารว่าง

• 10:45 - 12:00 น. | Pipeline Coding (YAML)

  • รายละเอียด: เขียน cloudbuild.yaml เพื่อเชื่อมต่อ Git, Docker และ Cloud Run เข้าด้วยกัน

• 12:00 - 13:00 น. | Lunch

  • รายละเอียด: พักรับประทานอาหารกลางวัน

• 13:00 - 15:00 น. | System Integration

  • รายละเอียด: Hackathon: ทดสอบการ Deploy จริง แก้ไข Error และปรับแต่ง Performance

• 15:00 - 16:30 น. | Portfolio Showcase

  • รายละเอียด: นำเสนอผลงาน (Live Demo) และรับมอบประกาศนียบัตร